Nvidias Deep-Learning Supersampling kontra AMDs Radeon Image Sharpening.
DLSS kontra RIS.
Akronym kontra akronym.
Det är inget nytt i grafikrigen: Sedan mitten av 2019 har AMD och Nvidia handlat med slag.
Grafikkort är superkonkurrenskraftiga igen i både den låga änden och mellanområdet på marknaden, med kort från Big Green som GeForce RTX 2070 Super som ger mördare bildhastigheter för Nvidia-troende, medan Radeon RX 5600 XT har kommit in på fältet som AMD: s starkaste förslag för högpresterande spel i åldrar.
Med dessa två nära konkurrerande kort som fyller de flesta nischer för 1080p och 1440p-spel - tillsammans med ungefär ett halvt dussin andra delade mellan de två företagen - har första hälften av 2020 sett konversationen att flyttas från antalet teraflops som varje GPU packar under sitt hölje till vilken typ av extra mjukvarufunktioner korten erbjuder när de är installerade i din rigg.
Med tanke på att det finns fyra olika GPU-modeller bara för att täcka $ 200 till $ 300-serien, måste GPU-tillverkare som AMD och Nvidia göra allt de kan för att differentiera sig själva.
Ibland motsvarar detta exklusiva spel, eller så kan det komma ner till helt nya tillvägagångssätt för hur spel återges av en GPU, som Nvidias DLSS neurala AI-inlärningsnätverk.
Sedan lanseringen av dessa två kort som nämns ovan (och några fler) har båda företagen börjat utnyttja de möjligheter som erbjuds med deras nya respektive bildförbättringstekniker: DLSS för Nvidia och RIS för AMD.
De är dock inte samma sak.
Plus, som om saker inte redan var förvirrande nog, två Övrig skärpande tillvägagångssätt - Nvidias Freestyle och open source-efterbehandlingsprojektet ReShade - använder sina egna tillvägagångssätt och är en del av striden.
Vad exakt är dessa tekniker och hur mycket visuell tydlighet kan de verkligen lägga till dina favoritspel? I denna flerdelade djupdykningsserie kommer vi noggrant att testa, testa och skärmdumpa varje teknik och skärpare (vid alla relevanta upplösningar) för att se vilka som gör jobbet bäst.
First Off: Anti-Aliasing vs.
Sharpening
Innan vi dyker in, låt oss börja med ett snabbt förtydligande om de tekniker vi ska prata om.
Om du är en spelhund är anti-aliasing en bekant term.
Det hänvisar till en av flera tekniker med samma mål: att släta ut de taggiga kanterna runt en karaktär, en bakgrund eller ett objekt i ett videospel så att det ser så nära som möjligt ut till något du skulle se i den verkliga världen.
De vanligaste implementeringarna av anti-aliasing i modernt spel är kända som FXAA (snabb approximativ anti-aliasing), TAA (temporal anti-aliasing), MSAA (multisample anti-aliasing), och SMAA (förbättrad subpixel morfologisk anti-aliasing).
Anti-aliasing är dock resurskrävande.
Dessa olika smaker av traditionell anti-aliasing kan undertrycka din grafikprestanda med betydande marginaler, beroende på spelet du spelar, hur väl optimerat det är och din specifika hårdvaruinstallation.
Att avrunda polygoner är ett av de mest beskattande jobben för ditt grafikkort, vilket är anledningen till att alla små vinster som görs inom tekniken kan leda till betydande bildhastighetshopp.
Med så många ord laddar DLSS ner ansträngningen för att utjämna alias till ett AI-nätverk och använder Tensor-kärnorna på RTX-kort för att bearbeta den informationen tillsammans med Nvidias servrar.
Och för att klargöra i fallet med Nvidias DLSS: DLSS kan vara både en uppskalning och en anti-aliasing beroende på vilken upplösning du spelar på.
(Uppskalning är praxis att förbättra kvaliteten på en bild som kan bli suddigare eller återges i en lägre upplösning.) Detta händer genom ett otroligt komplext AI-baserat neuralt inlärningsnätverk, känt som NGX, som tränas på tiotusentals stillbilder.
bilder från ett spel.
AI använder dessa lärdomar för att visa en renare och mer effektivt återgivna bilder än vad traditionella anti-aliasing-tekniker kan.
Däremot faller AMD: s RIS, Nvidias Freestyle och ReShade under en ny kategori av bildförbättringstekniker som kallas "skärpare".
Även om varje teknik syftar till samma ände (snyggare spel som inte påverkar prestanda och i vissa fall till och med kan förbättra det), är sätten på vilket de närmar sig problemet helt annorlunda.
DLSS är en stil mot aliasing / uppskalning som använder artificiell intelligens och en neuronal superdator för att bestämma var en bild kan uppskalas från den återgivna upplösningen (vanligtvis 1080p, 1440p eller 4K) utan att förlora prestanda.
Slipare påverkar å andra sidan spelets visuella trohet på efterbehandlingsnivå och de aktiveras bara när GPU: n har återgivit bilden av ett spel helt.
Med objektkanter i spelet som skärps intelligent av en algoritm kan spelare köra ett spel i en nedskalad version som läser, för ögat, som inte skiljer sig från den verkliga upplösningsnivån.
Denna typ av teknik sparar prestanda utan att offra den visuella trohet som spelare förväntar sig när de spelar med högre upplösningar.
Med den lektionen ur vägen, låt oss titta närmare på varje tillvägagångssätt.
DLSS 1.0: Nvidias första försök
DLSS 1.0 var en anti-aliasing-teknik som syftade till att ersätta traditionell teknik som FXAA, SMAA och TAA, och släpptes först ungefär sex månader efter GeForce RTX-hårdvaran som driver den i hyllor.
Vi har förklarat grundlagen för hur DLSS fungerar i några av våra sammanfattningar av nuvarande grafikkort, men här är det i ett nötskal.
Först matar Nvidia ett DLSS-aktiverat spel via sina neurodata AI-superdatorer.
Dessa kraftfulla datorer kör varje scen i titeln hundratusentals gånger och analyserar områden där bilder kan skärpas och kanterna rensas för att ge en skarpare bild med lägre upplösningar.
Huvudmålet för allt detta arbete? Det är att skapa ett spel som återges på en lägre upplösning ser lika bra ut som en som ursprungligen gjordes vid en högre upplösning.
Denna effektivitet kan öka bildhastigheterna för ett spel upp till 33 procent i vissa titlar, allt utan att offra någon av den grafiska trohet som spelare betalade alla de extra pengarna (för ett robust GeForce RTX-grafikkort) för att uppleva.
Var det perfekt? Vi kommer att gå in på de kvalitativa aspekterna senare, men tekniken i sig hade en hel fat varningar fäst vid släpp.
Medan prestationsvinsterna verkligen inte var något att sniffa på var det långt ifrån att bli en permanent ersättning för traditionell anti-aliasing-teknik vid den tiden.
Den första varningen: antalet spel som stödde DLSS.
Eftersom Nvidia behöver träna varje spel (vid varje upplösning) som ville använda DLSS via sina egna superdatorer, begränsades utvecklarnas förmåga att använda det i sina titlar av Nvidias bandbredd (och är fortfarande idag, men mindre så).
Resultatet av denna flaskhals: Mer än ett år efter att funktionen först tillkännagavs hade färre än 30 spel på marknaden möjlighet att aktivera den.
Den andra frågan med DLSS var artefakter, eller mer specifikt, "haloing".
Denna biprodukt från DLSS märktes först på den ursprungliga Battlefield V-implementeringen av DLSS, det första spelet som har stöd för tekniken.
Det manifesterades som ett slags "smet" av texturer runt fina kanter, som du kanske har hittat på en pistols hårkors eller i detaljerna i en karaktärs klocka.
Det var inte alltför märkbart om du inte letade efter det, särskilt i spel med mycket snabb rörelse.
Men i vissa titlar uttalades det tillräckligt att prestationsfördelen inte var värt att ha karaktärer, föremål eller landskap som försämrades som avvägningen.
Nvidia tog kritiken av sin första omgång på detta till hjärtat, och i den här utgåvan 2020 verkar företaget ha lärt sig mycket om vad som gick fel första gången och hur man ser till att det inte gör samma misstag igen i DLSS 2.0.
DLSS 2.0: En stark kurskorrigering
Tidigare denna vecka presenterade Nvidia nästa fas, kallad DLSS 2.0.
Att förstå de tekniska detaljerna för hur Nvidias ingenjörer har gjort förbättringar från DLSS 1.0 till DLSS 2.0 skulle ta en magisteruppsats för att fullständigt säga upp, men här är de viktigaste löften:
1.
Nätverket är mycket lättare att träna än tidigare, vilket innebär att fler spel teoretiskt borde stödja det än DLSS 1.0.
2.
Prestationsvinsterna bör vara högre än tidigare.
3.
Den visuella kvaliteten och övergripande troget hos renderingen har ökat.
4.
Användare har större kontroll över hur DLSS beter sig per spel.
Dessutom, med tillägget av en Unreal Engine 4-integration, kommer utvecklare och programmerare att kunna bygga sina spel från grunden för att använda DLSS på mer effektiva sätt än någonsin.
Nu är det säkert att Nvidia gör många anspråk när det gäller de senaste tekniska versionerna.
Men hur fungerar DLSS 2.0 faktiskt i prestanda när det ställs mot icke-DLSS-aktiverade versioner av samma spel? Vi grävde in för att ta reda på det.
Jämförelse av DLSS 2.0: Låt oss ta 'kontroll'
På många sätt verkar den sovhittade Control (från utvecklarna av Alan Wake) ha gjorts från början med strålspårning i åtanke.
Till skillnad från spel som släpptes utan strålspårning och fick den lappad efter det (Shadow of the Tomb Raider och Battlefield 5, bara för att nämna ett par), hade Control strålespårning bakad i motorns kärna, vilket betyder att du kan ...
.vänta på det...kontrollera belysningsschemat djupare än i någon annan strålspårad titel hittills.
I det här spelet kan du konfigurera nästan alla aspekter av hur strålspårningen beter sig, inklusive vilken typ av reflektioner som skulle kastas och huruvida ljuset diffunderar i indirekta vinklar eller inte.
För de flesta användare räcker det att använda en av de tillgängliga förinställningarna.
Men för granskare som jag erbjuder det ett perfekt tillfälle att se om DLSS 2.0 kan leverera vad Nvidia har hävdat att den ursprungliga 1.0-iterationen skulle ha gjort i över ett år nu: kompensera beräkningsbelastningen för strålspårning till ett AI-nätverk så att spel kan se vacker ut och springa snabbt samtidigt.
Av denna anledning är Control ...
